wehub-skill-sync
130 lines
4.4 KiB
Markdown
130 lines
4.4 KiB
Markdown
# 统计检验选择指南
|
||
|
||
本指南提供基于研究问题、数据类型和研究设计的决策树，用于选择适当的统计检验方法。
|
||
|
||
## 检验选择决策树
|
||
|
||
### 1. 组间比较
|
||
|
||
#### 两个独立组
|
||
- **连续型结局，正态分布**：独立样本 t 检验
|
||
- **连续型结局，非正态分布**：Mann-Whitney U 检验（Wilcoxon 秩和检验）
|
||
- **二分类结局**：卡方检验或 Fisher 精确检验（若期望频数 < 5）
|
||
- **有序分类结局**：Mann-Whitney U 检验
|
||
|
||
#### 两个配对/相关组
|
||
- **连续型结局，正态分布**：配对 t 检验
|
||
- **连续型结局，非正态分布**：Wilcoxon 符号秩检验
|
||
- **二分类结局**：McNemar 检验
|
||
- **有序分类结局**：Wilcoxon 符号秩检验
|
||
|
||
#### 三个及以上独立组
|
||
- **连续型结局，正态分布，方差齐**：单因素 ANOVA
|
||
- **连续型结局，正态分布，方差不齐**：Welch ANOVA
|
||
- **连续型结局，非正态分布**：Kruskal-Wallis H 检验
|
||
- **二分类/分类结局**：卡方检验
|
||
- **有序分类结局**：Kruskal-Wallis H 检验
|
||
|
||
#### 三个及以上配对/相关组
|
||
- **连续型结局，正态分布**：重复测量 ANOVA
|
||
- **连续型结局，非正态分布**：Friedman 检验
|
||
- **二分类结局**：Cochran Q 检验
|
||
|
||
#### 多因素（析因设计）
|
||
- **连续型结局**：双因素 ANOVA（或多因素 ANOVA）
|
||
- **含协变量**：ANCOVA
|
||
- **混合被试内与被试间因素**：混合 ANOVA
|
||
|
||
### 2. 变量间关系
|
||
|
||
#### 两个连续型变量
|
||
- **线性关系，双变量正态**：Pearson 相关
|
||
- **单调关系或非正态分布**：Spearman 秩相关
|
||
- **基于秩的数据**：Spearman 或 Kendall tau
|
||
|
||
#### 一个连续型结局，一个或多个预测变量
|
||
- **单个连续型预测变量**：简单线性回归
|
||
- **多个连续/分类预测变量**：多元线性回归
|
||
- **分类预测变量**：ANOVA/ANCOVA 框架
|
||
- **非线性关系**：多项式回归或广义加性模型（GAM）
|
||
|
||
#### 二分类结局
|
||
- **单个预测变量**：Logistic 回归
|
||
- **多个预测变量**：多元 Logistic 回归
|
||
- **罕见事件**：精确 Logistic 回归或 Firth 方法
|
||
|
||
#### 计数结局
|
||
- **Poisson 分布**：Poisson 回归
|
||
- **过度离散计数**：负二项回归
|
||
- **零膨胀**：零膨胀 Poisson/负二项
|
||
|
||
#### 时间至事件结局
|
||
- **比较生存曲线**：Log-rank 检验
|
||
- **含协变量的建模**：Cox 比例风险回归
|
||
- **参数生存模型**：Weibull、指数、对数正态
|
||
|
||
### 3. 一致性与可靠性
|
||
|
||
#### 评估者间信度
|
||
- **分类评级，2 名评估者**：Cohen's kappa
|
||
- **分类评级，>2 名评估者**：Fleiss' kappa 或 Krippendorff's alpha
|
||
- **连续型评级**：组内相关系数（ICC）
|
||
|
||
#### 重测信度
|
||
- **连续型测量**：ICC 或 Pearson 相关
|
||
- **内部一致性**：Cronbach's alpha
|
||
|
||
#### 方法间一致性
|
||
- **连续型测量**：Bland-Altman 分析
|
||
- **分类判定**：Cohen's kappa
|
||
|
||
### 4. 分类数据分析
|
||
|
||
#### 列联表
|
||
- **2×2 表**：卡方检验或 Fisher 精确检验
|
||
- **大于 2×2**：卡方检验
|
||
- **有序类别**：Cochran-Armitage 趋势检验
|
||
- **配对类别**：McNemar 检验（2×2）或 McNemar-Bowker 检验（更大）
|
||
|
||
### 5. 贝叶斯替代方法
|
||
|
||
上述任何检验均可使用贝叶斯方法执行：
|
||
- **组间比较**：贝叶斯 t 检验、贝叶斯 ANOVA
|
||
- **相关性**：贝叶斯相关
|
||
- **回归**：贝叶斯线性/Logistic 回归
|
||
|
||
**贝叶斯方法的优势：**
|
||
- 提供给定数据下假设的概率
|
||
- 自然融入先验信息
|
||
- 提供可信区间而非置信区间
|
||
- 无 p 值解读问题
|
||
|
||
## 关键考量
|
||
|
||
### 样本量
|
||
- 小样本（n < 30）：考虑非参数检验或精确方法
|
||
- 极大样本：即使很小的效应也可能具有统计学显著性；重点关注效应量
|
||
|
||
### 多重比较
|
||
- 当进行多重检验时，使用以下方法校正多重比较：
|
||
- Bonferroni 校正（保守）
|
||
- Holm-Bonferroni（较不保守）
|
||
- 错误发现率（FDR）控制（Benjamini-Hochberg）
|
||
- Tukey HSD 用于 ANOVA 事后比较
|
||
|
||
### 缺失数据
|
||
- 完整病例分析（列表删除）
|
||
- 多重插补
|
||
- 最大似然方法
|
||
- 确保理解缺失数据机制（MCAR、MAR、MNAR）
|
||
|
||
### 效应量
|
||
- 始终在报告 p 值的同时报告效应量
|
||
- 参见 `effect_sizes_and_power.md` 了解指导
|
||
|
||
### 研究设计考量
|
||
- 随机对照试验：标准参数/非参数检验
|
||
- 观察性研究：考虑混杂因素，使用回归/匹配
|
||
- 聚类/嵌套数据：使用混合效应模型或 GEE
|
||
- 时间序列：使用时间序列方法（ARIMA 等）
|